Food Label Evidence

Matja

Pse nuk mund të vlerësosh një porcion

Gabimi në vlerësimin e porcioneve është mjaft i madh për të zbehur shumicën e asaj që njerëzit përpiqen të ndryshojnë në dietën e tyre. Ky është problemi që aplikacionet për skanimin e ushqimit ekzistojnë për ta zgjidhur.

Përditësuar 3 min leximi 17 citime Forca e provave 4/5

Madhësia e problemit

Rishikimi sistematik i vlerësimit të madhësisë së porcioneve [3] dhe i gabimeve në kujtesë [2] gjen gabime që zakonisht arrijnë dhjetëra përqind. Rëndësishëm, gabimi është i anuar, jo rastësor: njerëzit nën-raportojnë, dhe nën-raportojnë më shumë kur konsumimi është më i lartë dhe kur ushqimi është një që ata ndihen të gjykuar për të.

Validimi ndaj ujit të etiketuar dyfish — metoda referuese, e mbuluar në faqen tonë për metabolizmin — e kuantifikon këtë drejtpërdrejt. Kjo është arsyeja pse një ditar ushqimi që tregon 1,600 kcal përkrah asnjë ndryshimi në peshë zakonisht është një problem matës dhe jo një metabolik.

Gabimi në vlerësimin e porcioneve

Pse është e vështirë

  • Perceptimi i volumit është jo-linear. Dyfishimi i diametrit të një tasit më shumë se dyfishon përmbajtjen e tij, dhe njerëzit gjykojnë sipas gjerësisë.
  • Vaji i gatimit është i padukshëm. Një lugë gjelle është mbi 100 kcal dhe nuk shfaqet në kujtesën e një vakti.
  • Ambalazhi përcakton porcionet. Një "porcion" është çfarëdo që mbante kontejneri.
  • Objektet referuese dështojnë. "Madhësia e pëllëmbës" ndryshon me pëllëmbën.
  • Kujtesa rindërton. Njerëzit kujtojnë atë që zakonisht hanë, jo atë që hanë.

Trajnimi ndihmon, dhe një rishikim sistematik i efekteve të trajnimit [4] tregon se përmirësimi zbehet pa forcim — gjetja e zakonshme për një aftësi perceptuese.

A mund të e zgjidhë teknologjia këtë?

Këtu vjen vlerësimi dietik i bazuar në imazhe: fotografo vakti, lejo një model të identifikojë ushqimet dhe të vlerësojë volumin. Studimet e validimit ndaj metodave referuese ekzistojnë, dhe realiteti i zgjeruar është rishikuar si një ndihmës në vlerësim [1].

Përmbledhje e sinqertë: metodat e bazuara në imazhe janë të papërsosura dhe më të mira se kujtesa. Ato heqin hapin e kujtesës, i cili është burimi më i madh i gabimeve, dhe trashëgojnë gabime të reja rreth vlerësimit të thellësisë dhe përbërësve të fshehur. Kundrejt një ditari ushqimi të shkruar nga kujtesa në orën e gjumit, kjo është një përmirësim i qartë. Kundrejt një peshe kuzhine, nuk është.

Çfarë do të thotë kjo për ndjekjen

Përdor kaloritë e ndjekura si një sinjal relativ, jo një absolut. Nëse konsumimi yt të regjistruar është i qëndrueshëm javë pas jave dhe pesha jote nuk po lëviz, lëvizja e dobishme është të ndryshosh diçka dhe të shikosh trendin — jo të besosh numrin e plotë. Qëndrueshmëria e metodës ka shumë më tepër rëndësi se saktësia e metodës, sepse një anomali e qëndrueshme anulohet kur e krahasoni me veten.

Pyetje të zakonshme

Sa e gabuar është ditari im i ushqimit?
Sistematikisht nën, shpesh me dhjetëra përqind, dhe më shumë në konsumet më të larta [2][3].
A janë aplikacionet e bazuara në foto të sakta?
Më mirë se kujtesa, më keq se pesha. Ato heqin gabimin e kujtesës dhe shtojnë gabimin e vlerësimit.
A duhet të peshoj gjithçka?
Për disa javë, është vërtet edukative. Pa afat, shumica e njerëzve ndalojnë — dhe një metodë që e braktis, ka një saktësi zero.
Pse aplikacioni im thotë se kam ngrënë 1,500 kcal dhe nuk po humbas?
Gati gjithmonë nën-raportim dhe jo metabolizmi. Shihni faqen tonë për metabolizmin.

Referencat

Çdo citim më poshtë lidhet me regjistrin origjinal të rishikuar nga kolegët në PubMed ose përmes DOI. Asgjë këtu nuk është një zëvendësim për këshillën mjekësore.

  1. Application of Augmented Reality Technology as a Dietary Monitoring and Control Measure Among Adults: A Systematic Review Gonzalez GV, Mao B, Wang R, et al. · Nutrients · 2025 · Systematic review DOIPubMed 41470837Full text
  2. A systematic review of recall errors associated with portion size estimation aids in children de Vlieger NM, Weltert M, Molenaar A, et al. · Appetite · 2020 · Systematic review DOIPubMed 31751634
  3. Validity of image-based dietary assessment methods: A systematic review and meta-analysis Ho DKN, Tseng SH, Wu MC, et al. · Clinical nutrition (Edinburgh, Scotland) · 2020 · Meta-analysis DOIPubMed 32839035
  4. Portion size estimation in dietary assessment: a systematic review of existing tools, their strengths and limitations Amoutzopoulos B, Page P, Roberts C, et al. · Nutrition reviews · 2020 · Systematic review DOIPubMed 31999347
  5. The Role of Various Forms of Training on Improved Accuracy of Food-Portion Estimation Skills: A Systematic Review of the Literature Hooper A, McMahon A, Probst Y · Advances in nutrition (Bethesda, Md.) · 2019 · Systematic review DOIPubMed 30629097Full text
  6. Dietary assessment in minority ethnic groups: a systematic review of instruments for portion-size estimation in the United Kingdom Almiron-Roig E, Aitken A, Galloway C, et al. · Nutrition reviews · 2017 · Systematic review DOIPubMed 28340101Full text
  7. Immersive Virtual Reality Dietitian Improves Portion Control Self-Efficacy and Portion Size Estimation Accuracy Braga BC, Long J, Maksi S, et al. · Journal of nutrition education and behavior · 2025 · Randomised controlled trial DOIPubMed 40019425
  8. An automated image-based dietary assessment application: a pilot study Lee L, Bishop R, Stanley J · Journal of nutritional science · 2025 · Randomised controlled trial DOIPubMed 41321681Full text
  9. Validity and Usability of a Smartphone Image-Based Dietary Assessment App Compared to 3-Day Food Diaries in Assessing Dietary Intake Among Canadian Adults: Randomized Controlled Trial Ji Y, Plourde H, Bouzo V, et al. · JMIR mHealth and uHealth · 2020 · Randomised controlled trial DOIPubMed 32902389Full text
  10. The international food unit: a new measurement aid that can improve portion size estimation Bucher T, Weltert M, Rollo ME, et al. · The international journal of behavioral nutrition and physical activity · 2017 · Randomised controlled trial DOIPubMed 28899402Full text
  11. Portion-size estimation training in second- and third-grade American Indian children Weber JL, Cunningham-Sabo L, Skipper B, et al. · The American journal of clinical nutrition · 1999 · Randomised controlled trial DOIPubMed 10195603
  12. New mobile methods for dietary assessment: review of image-assisted and image-based dietary assessment methods Boushey CJ, Spoden M, Zhu FM, et al. · The Proceedings of the Nutrition Society · 2017 · Review DOIPubMed 27938425
  13. Merging dietary assessment with the adolescent lifestyle Schap TE, Zhu F, Delp EJ, et al. · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2014 · Review DOIPubMed 23489518Full text
  14. Development and validation of a smartphone image-based app for dietary intake assessment among Palestinian undergraduates Hattab S, Badrasawi M, Anabtawi O, et al. · Scientific reports · 2022 · Journal article DOIPubMed 36104377Full text
  15. Development and evaluation of image-series for portion size estimation in dietary assessment among adults Salvesen L, Engeset D, Øverby NC, et al. · Journal of nutritional science · 2021 · Journal article DOIPubMed 33889386Full text
  16. The accuracy of portion size estimation using food images and textual descriptions of portion sizes: an evaluation study Lucassen DA, Willemsen RF, Geelen A, et al. · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2021 · Journal article DOIPubMed 33761165Full text
  17. Validation of a Smartphone Image-Based Dietary Assessment Method for Pregnant Women Ashman AM, Collins CE, Brown LJ, et al. · Nutrients · 2017 · Journal article DOIPubMed 28106758Full text

Kjo faqe u përkthye automatikisht nga anglishtja. Citimet dhe numrat nuk janë ndryshuar. Lexoni origjinalin në anglisht nëse ndonjë gjë duket e çuditshme. Lexoni origjinalin në anglisht